改进 ORB 提取匹配算法的 SLAM 应用研究

由于传统的ORB特征点提取匹配方法在图像纹理信息不丰富或者光照变化剧烈时极易产生特征点丢失、分布不均等问题,不利于SLAM系统的定位与建图。为此本文提出了一套较为鲁棒、精度较高的提取匹配算法。首先基于ORB特征点对其提取算法进行改进,计算自适应阈值并基于网格模型提取特征点,可提高特征点提取的鲁棒性并使其分布均匀。此外还提出了G-R图像匹配算法,基于网格特征计算邻域支持估计量来区分正误匹配点,再结合引入评价函数的RANSAC算法进一步剔除误匹配点,相比ORB-SLAM2原始匹配算法提高匹配精度9.36%,并减少时间消耗约13.6%。最后将本文提出的特征点提取匹配算法加入到ORB-SLAM2算法框架,经数据集与实际场景验证本文方法能有效提高ORB-SLAM2系统定位精度36.6%以上,使系统更具鲁棒性。     

基于改进ORB的图像特征点匹配研究

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法,将ORB算法改进为SURB(SURF-ORB)算法。首先提取具有尺度不变性的SURF特征点,然后构建ORB算法描述子,特征匹配时,先对待处理图像进行区域分块,缩减原始搜索范围,节约了无效区域的特征点匹配时间,采用汉明距离完成初步匹配,然后结合PROSAC算法对初步筛选的点去伪,获得较为精准的匹配点对。实验结果表明,图像尺度变化时,SURB算法的平均匹配准确度为93.4%,约为ORB算法的3倍;SURB算法的平均耗时约为SURF算法的80%,具有较强的实时性和可行性。     

ORB特征匹配的误匹配点剔除算法研究

在计算机视觉中,特征点匹配是一个极其重要的问题。为了提高图像特征点匹配精度,针对ORB常采用的RANSAC误匹配点消除算法不足,提出了改进的误匹配点剔除算法。该算法通过缩小抽样点总量来保证匹配点选取质量,并能有效的减少迭代次数。分别采用ORB+改进算法与ORB+RANSAC算法对两组图片进行特征点匹配实验。实验表明,该算法能够有效剔除误匹配点,与RANSAC算法相比较精度提高了8%,匹配精度提高至97.43%。     

基于KAZE的自适应模糊图像配准算法

为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并且根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;最后采用RANSAC算法滤除误匹配点对,以提升算法精度。实验结果表明,该算法可以有效地提高模糊图像配准的匹配准确率和精度,准确率和精度比KAZE算法最大可以提高25%和7.909像素,具有更好的配准性能。     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

一种基于SIFT的图像特征匹配方法

为解决查询点落于分割超面以及匹配图像光照变化较大时,传统SIFT(尺度不变特征变换)算法的检测性能将会降低的问题,提出了一种改进的SIFT算法。该算法引入了灰度均匀化技术与冗余分割树。灰度均匀化技术将原图像的灰度直方图映射到更宽更均匀的直方图上,降低了光照变化的影响。冗余分割树在分割数据进行匹配时采用了2个分割超面进行数据分割,消除了查询点落于分割超面带来的影响。实验结果表明,在各种不同场景的测试下,改进的SIFT算法均提高了图像的匹配精度,性能优于传统SIFT算法。     

基于交叉检验ORB和MCC的图像模板匹配算法

针对传统ORB算法在进行图像模板匹配时稳健性和精确性较低的问题,提出了一种基于交叉检验ORB和最大相关熵准则(MCC)的图像模板匹配算法。首先对模板图像和目标图像分别进行ORB特征点检测,得到模板特征点集和目标特征点集,并利用各点的特征描述符建立两特征点集间的对应关系;然后对建立好对应关系的特征点对进行交叉检验,利用特征点的邻域支持点集从正逆两个方向计算对应点对的准确性;接着在剔除准确性较低的对应特征点对后,通过优化基于最大相关熵准则的代价函数实现两特征点集的精确仿射配准;最终完成图像模板在目标图像中的稳健匹配。该算法在处理大姿态形变和低分辨率下的图像模板匹配问题时具有较强的精确性和稳健性,在公共数据集上的实验验证了该算法优于当前主流的图像模板匹配算法。     

基于改进ORB-RANSAC算法的锅底标签角度视觉测量方法

传统ORB-RANSAC算法存在相似特征点误匹配率高、稳定性较差的问题，无法满足铝锅生产基于锅底标签方向焊接手柄的工艺要求，提出了一种改进的ORB RANSAC算法。首先，采用ORB算法提取特征点并进行匹配，通过汉明距离阈值法对匹配点对进行粗剔除。其次，在RANSAC算法对匹配点对进行精剔除时，增加K折交叉验证实现对初始模型的一致性预判断。最后，在每次迭代过程中剔除上一轮迭代中的已归类点对，动态更新采样空间。分别对不同锅底标签进行测量实验，结果表明，在干扰环境下采用改进后的ORB RANSAC算法重复性精度相比于原算法提升了6604%，单帧计算耗时降低了613%；在多种类锅底标签测量实验中基于改进后的ORB RANSAC算法的角度测量误差为0201°，平均检测耗时为0255 s，满足自动化生产测量精度和实时性的要求。     

面向智能运检管理的变电站运动目标立体匹配算法研究

针对目前变电站运动目标的立体匹配算法存在匹配点少、误匹配等问题,提出一种结合A-KAZE(Accelerated KAZE)算法和改进的SURF(Speeded Up Robust Features)算法的智能变电站运动目标立体匹配算法。采用A-KAZE算法用于提取两个图像的匹配特征点,利用二阶多尺度改进的SURF特征向量进一步计算二次响应,采用高阈值算法增加匹配点,随机采样一致算法消除不匹配点,完成匹配工作。通过实验比较,验证了该算法的有效性。实验结果表明,相对于未改进前匹配点对从908对提高到1 202对,匹配准确率从92.51%提高到96.17%,具有一定的实用价值。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

Illumination Adaptive Identification Algorithm of a Reconfigurable Modular Robot

Reconfigurable modular robots feature high mobility due to their unconstrained connection manners. Inspired by the snake multi-joint crawling principle, a chain-type reconfigurable modular robot (CRMR) is designed, which could reassemble into various configurations through the compound joint motion. Moreover, an illumination adaptive modular robot identification (IAMRI) algorithm is proposed for CRMR. At first, an adaptive threshold is applied to detect oriented FAST features in the robot image. Then, the effective detection of features in non-uniform illumination areas is achieved through an optimized quadtree decomposition method. After matching features, an improved random sample consensus algorithm is employed to eliminate the mismatched features. Finally, the reconfigurable robot module is identified effectively through the perspective transformation. Compared with ORB, MA, Y-ORB, and S-ORB algorithms, the IAMRI algorithm has an improvement of over 11.6% in feature uniformity, and 13.7% in the comprehensive indicator, respectively. The IAMRI algorithm limits the relative error within 2.5 pixels, efficiently completing the CRMR identification under complex environmental changes.     

基于快速ACE算法的视觉里程计图像增强方法

为提高同时定位与地图构建(simultaneous localization and mapping, SLAM)在室内定位的不同场景下的鲁棒性,应对室内场景纹理少,光线差等极端环境的挑战。通过利用改进快速自动彩色增强(automatic color enhancement, ACE)图像增强技术,优化定向FAST和旋转BRIEF(oriented FAST and rotated briEF,ORB)特征点法的前端视觉里程计。同时将原始图像数据、限制对比度自适应直方图均衡(contrast limited adaptive histogram equalization, CLAHE)增强后、单尺度Retinex(single scale retinex, SSR)增强后,改进快速ACE增强后图像数据应用于楼梯间,地下停车场等不同现实场景中做基于图像质量和特征提取匹配两方面对比实验。实验结果表明,改进快速ACE增强后图像质量其他算法,并且视觉里程计(visual odometry, VO)应用该算法增强后提取到的特征点数量增幅达到倍数级,极端环境下匹配数量增幅在7%～25%,鲁棒性提高。     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

一种改进的SIFT血管图像特征匹配算法

基于特征提取的图像配准在医学领域得到广泛的应用。为了将尺度不变特性变换算法更好地运用到血管图像特征提取与匹配中去,根据血管图像特点,采用曲线拟合确定合适的低对比度阈值,并为了提高SIFT算法的处理速度以及匹配准确度,对SIFT算法的特征描述子进行降维处理,在特征点匹配阶段采用基于模比较的匹配方法,通过对比特征点描述向量模的关系寻找匹配点。实验结果及数据表明：改进后的算法在提高匹配速率和降低误匹配率方面均有提高,对临床血管疾病治疗有重要意义。     

一种优化的图像配准算法

为了降低传统尺度不变特征变换(SIFT)算法的特征点检测与匹配的时间复杂度,提出一种优化的图像配准算法,即采用Trajkovic算法检测特征点,并采用SIFT算法的分配描述符方法分配特征点描述符参数,再用稀疏降维原理对特征点描述符参数进行降维处理,最后,采用基于双向匹配的相似性度量算法进行特征点匹配。模拟实验选择检测图像的特征点数、匹配对数、正确匹配对数、匹配正确率、配准时间与配准时间下降率6个指标作为评估标准,结果表明,优化算法在特征点配准正确率方面与传统SIFT算法相当,但在特征点配准速度方面有明显提升。     

基于特征点概率模型与匹配的图像拼接算法

为了解决图像内容单一、特征点不明显且数量少而导致其难以拼接准确的问题,提出了基于特征点概率与匹配的图像拼接算法.首先,利用图像重叠区域特征的单应性,开发出对旋转、尺度及光照不变的可靠特征几何结构,计算焦距矩阵与旋转矩阵,实现特征点检测;利用随机抽样一致性算法,完成特征点匹配.然后,利用伯努利分布特性和贝叶斯计算,建立内点和离群点的模型概率,剔除错误匹配点,从而提高图像匹配精度,准确完成图像拼接.最后以条码对接是否准确为图像拼接质量判断基准,实验测试结果显示:与当前图像拼接技术相比,该算法拥有更高的拼接准确率与鲁棒性.     

改进的尺度不变特征转换精确图像匹配在电力设备目标定位中的应用

针对电力设备目标定位问题,研究了基于改进的尺度不变特征转换(scale invariant feature transform,SIFT)精确图像配准的定位方法。首先用改进的SIFT特征描述子提取图像中的特征点,降低了特征向量描述子的维数,大大提高了算法的速度;然后采用欧氏距离对特征点进行初始匹配,由于初始匹配过程中存在误匹配,采用改进的随机取样一致性(random sample consensus,RANSAC)算法对阈值进行自动调整,消除了错误匹配;最后,以电力系统中的刀闸、变压器为例,采用旋转、缩放、光照变化及加噪声图像验证了该算法。实验结果表明:改进后的算法不仅继承了SIFT算法的鲁棒性,而且提高了算法的速度和匹配精度,可以较好地应用于电力设备目标定位中。